将 scipy curve_fit 用于可变数量的参数

我有一个拟合函数，其形式为：

def fit_func(x_data, a, b, c, N)

其中a，b，c是长度为N的列表，其中的每个条目都是scipy.optimize.curve_fit()中要优化的可变参数，N是用于循环索引控制的固定数字。

下列的这个问题 https://stackoverflow.com/questions/12208634/fitting-only-one-paramter-of-a-function-with-many-parameters-in-python我认为我能够修复 N，但我目前正在调用 curve_fit，如下所示：

params_0 = [a_init, b_init, c_init]
popt, pcov = curve_fit(lambda x, a, b, c: fit_func(x, a, b, c, N), x_data, y_data, p0=params_0)

我收到错误： lambda() 恰好采用 Q 参数（给定 P）

其中 Q 和 P 取决于我如何设置。

那么：对于初学者来说，这可能吗？我可以将列表作为参数传递给 curve_fit 并具有我希望的行为，其中它将列表元素视为单独的参数吗？假设答案是肯定的，我的函数调用做错了什么？

这里的解决方案是编写一个包装函数，它接受参数列表并将其转换为 fit 函数可以理解的变量。这实际上只是必要的，因为我正在使用其他人的代码，在更直接的应用程序中，这将在没有包装层的情况下工作。基本上

def wrapper_fit_func(x, N, *args):
    a, b, c = list(args[0][:N]), list(args[0][N:2*N]), list(args[0][2*N:3*N])
    return fit_func(x, a, b, c, N)

要修复 N，您必须在 curve_fit 中调用它，如下所示：

popt, pcov = curve_fit(lambda x, *params_0: wrapper_fit_func(x, N, params_0), x, y, p0=params_0)

where

params_0 = [a_1, ..., a_N, b_1, ..., b_N, c_1, ..., c_N]